查一份上千页的报告，传统做法往往先把全文切成小段，再把每段变成可比较的数字，按语义相似度寻找答案。问题是，措辞相近不等于真正相关，切得太碎还可能丢掉上下文。PageIndex 提供了另一条路：保留文档的章节层级，让模型像翻目录一样，先判断相关章节，再逐层缩小范围。
这套方法用树状索引组织文档，不依赖向量数据库，也省去 Chunking（把长文切成短片段）。最值得注意的是，它把力气放在提问时：建索引的模型只负责概括和整理结构，检索模型则沿着树推理，并把结果指向明确的原文位置。VectifyAI 自述，在其本地设置中，建树成本约为每页 0.001 美元；9 至 1,098 页的测试文档约用 13 秒至 4.5 分钟完成索引。不过，现有材料未给出与向量化 RAG 的完整准确率对照，因此它更像一个值得观察的替代路线，还不能据此判定普遍更优。